Procesando datos con tidyverse

.title[
# Procesando datos con tidyverse
]
.subtitle[
## Dirección Nacional de Estadística Criminal - Ministerio de Seguridad
]

---

.remark-slide-content {
    font-size: 25px;
    padding: 1em 1em 1em 1em;
}

.remark-code{
  line-height: 1.5; font-size: 80%
}

@media print {
  .has-continuation {
    display: block;
  }
}
</style>

# Hoja de ruta

## Universo tidyverse

## Presentación de los paquetes `dplyr` y `tidyr`

## ✔️ dplyr

☑️️ `select()`   ☑️️ `filter()`

☑️️ `mutate()`   ☑️️ `rename()`

☑️️ `arragne()`  ☑️️ `summarise()`

☑️️ `group_by()`

]

## ✔️ magrittr

☑️ `%>%`

## ✔️ tidyr
    
☑️ `pivot_longer()` ☑️ `pivot_wider()`

]

---
# tidyverse

---
# __Instalación y uso__

* Sólo una vez (por computadora):
```r
install.packages("tidyverse")
```

* En cada inicio de sesión de R o Rstudio:

```r
library(tidyverse)
```
 
--

_No es necesario esto:_

```r
install.packages("dplyr")
install.packages("tidyr")
install.packages("ggplot2")
```
]

_Ni esto:_

```r
library(dplyr)
library(tidyr)
library(ggplot2)
```
]

---
# Base de trabajo

En el material de la clase se puso a disposición una base de ejercicio. La misma refiere al **Sistema Nacional de Información Criminal (SNIC)**, provista por la Dirección Nacional de Política Criminal - Ministerio de Justicia y Derechos Humanos

> [Descarga de la base de datos](https://estadisticascriminales.minseg.gob.ar/datos/snic-departamentos-mes-sexo.csv)

### Con la siguiente sentencia puedo importarla a R:

```r
base_snic <- read_csv(file = "la_ruta_del_archivo/el_nombre_del_archivo.csv",
                           col_names = TRUE)
```

---
class: middle, center, inverse
  
  EL PIPE

_<p style="color:grey;" align:"center">Una forma de escribir</p>_

---
# magrittr

### **Sin EL PIPE:**

```r
### Calculo la media
 round(mean(head(`base_snic$cantidad_victimas`, n =12)), digits = 2)
```

### **Con EL PIPE**

```r
### Cargo la librería
library(tidyverse)

### Calculo la media
 `base_snic$cantidad_victimas` %>%
   head(n = 12) %>%
   mean() %>%
   round(digits = 2)
```

---
class: inverse, middle, center

# _PRÁCTICA_

---
class: inverse, middle

# Práctica

1. En la siguiente sentencia se busca conocer el ***promedio*** de víctimas para las primeras 12 filas de la base (variable *cantidad_victimas*). Identificar el error y corregir:

```r
base_snic %>% 
  head(12) %>% 
  mean()
```

---
class: middle, center, inverse

---
# dplyr

## Principales funciones del paquete dplyr:

<br>

| __Función__   | __Acción__ |
| :---          | ---:   |
| `select()`    | *selecciona o descarta variables*|
| `filter()`    | *selecciona filas*|
| `mutate()`    | *crea / edita variables*|
| `rename()`    | *renombra variables*|
| `group_by()`  | *segmenta en funcion de una variable*|
| `summarize()` | *genera una tabla de resúmen*|

---

# __select()__
 
<html>
  <div style='float:left'></div>
  <hr color='#EB811B' size=1px width=1125px>
</html>

_<p style="color:grey;" align:"center">Elije o descarta columnas de una base de datos</p>_

---
# select()

### La función tiene el siguiente esquema:

```r
base_de_datos %>% 
  `select(variable_1, variable_2, variable_n)`
```

---
# select()

### Supongamos que quiero quedarme sólo con las columnas que ayudan a identificar la fecha del delito

---
# select() - por nombre de variable

### selecciono las columnas que deseo de la base de datos, no sin antes chequear qué variables contiene la misma:

```r
names(base_snic)
```

```
##  [1] "anio"                      "provincia_id"             
##  [3] "provincia_nombre"          "dpto_id"                  
##  [5] "dpto_nombre"               "codigo_delito_snic_id"    
##  [7] "codigo_delito_snic_nombre" "mes"                      
##  [9] "victimas_masculino"        "victimas_femenino"        
## [11] "victimas_no_consta"        "cantidad_victimas"        
## [13] "cantidad_hechos"
```

---
# select() - por nombre de variable

```r
b_snic_seleccion <- base_snic %>% 
  `select(anio, mes, codigo_delito_snic_nombre)`
```

### Chequeo la operación:

```r
names(b_snic_seleccion)
```

```
## [1] "anio"                      "mes"                      
## [3] "codigo_delito_snic_nombre"
```

---
# select() - por posición de la columna

### Supongamos que quiero las columnas __"provincia_nombre"__, __"dpto_nombre"__ y __"cantidad_hechos"__

1) Chequeo la posición de las columnas que deseo:

```r
names(base_snic)
```

---
# select() - por posición de la columna

2) Aplico la función `select()` en base a la posición de las columnas:

```r
b_snic_seleccion2 <- base_snic %>% 
  select(3, 5, 13)
```

### chequeo seleccion:

```r
names(b_snic_seleccion2)
```

```
## [1] "provincia_nombre" "dpto_nombre"      "cantidad_hechos"
```

---

```r
*base_snic
```
]
 
.panel2-select_1-auto[

```
## # A tibble: 1,390,553 x 13
##     anio provinc~1 provi~2 dpto_id dpto_~3 codig~4 codig~5   mes victi~6 victi~7
##    <dbl>     <dbl> <chr>   <chr>   <chr>   <chr>   <chr>   <dbl>   <dbl>   <dbl>
##  1  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     1       1       0
##  2  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     2       2       0
##  3  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     3       2       0
##  4  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     4       1       2
##  5  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     5       5       0
##  6  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     6       1       1
##  7  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     7       2       0
##  8  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     8       2       0
##  9  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     9       1       0
## 10  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~    10       2       1
## # ... with 1,390,543 more rows, 3 more variables: victimas_no_consta <dbl>,
## #   cantidad_victimas <dbl>, cantidad_hechos <dbl>, and abbreviated variable
## #   names 1: provincia_id, 2: provincia_nombre, 3: dpto_nombre,
## #   4: codigo_delito_snic_id, 5: codigo_delito_snic_nombre,
## #   6: victimas_masculino, 7: victimas_femenino
## # i Use `print(n = ...)` to see more rows, and `colnames()` to see all variable names
```
]

---
count: false
 
# Otra forma de selecionar
.panel1-select_1-auto[

```r
base_snic %>%
* select(8:10)
```
]
 
.panel2-select_1-auto[

```
## # A tibble: 1,390,553 x 3
##      mes victimas_masculino victimas_femenino
##    <dbl>              <dbl>             <dbl>
##  1     1                  1                 0
##  2     2                  2                 0
##  3     3                  2                 0
##  4     4                  1                 2
##  5     5                  5                 0
##  6     6                  1                 1
##  7     7                  2                 0
##  8     8                  2                 0
##  9     9                  1                 0
## 10    10                  2                 1
## # ... with 1,390,543 more rows
## # i Use `print(n = ...)` to see more rows
```
]

---
class: inverse, middle, center

## Una más!

---

```r
*base_snic
```
]
 
.panel2-select_2-auto[

---
count: false
 
# Otra forma de selecionar
.panel1-select_2-auto[

```r
base_snic %>%
* select(dpto_id:codigo_delito_snic_nombre)
```
]
 
.panel2-select_2-auto[

```
## # A tibble: 1,390,553 x 4
##    dpto_id dpto_nombre codigo_delito_snic_id codigo_delito_snic_nombre
##    <chr>   <chr>       <chr>                 <chr>                    
##  1 02001   Comuna 1    1                     Homicidios dolosos       
##  2 02001   Comuna 1    1                     Homicidios dolosos       
##  3 02001   Comuna 1    1                     Homicidios dolosos       
##  4 02001   Comuna 1    1                     Homicidios dolosos       
##  5 02001   Comuna 1    1                     Homicidios dolosos       
##  6 02001   Comuna 1    1                     Homicidios dolosos       
##  7 02001   Comuna 1    1                     Homicidios dolosos       
##  8 02001   Comuna 1    1                     Homicidios dolosos       
##  9 02001   Comuna 1    1                     Homicidios dolosos       
## 10 02001   Comuna 1    1                     Homicidios dolosos       
## # ... with 1,390,543 more rows
## # i Use `print(n = ...)` to see more rows
```
]

---
class: inverse, middle, center

## Una más!

---

```r
*base_snic
```
]
 
.panel2-select_3-auto[

---
count: false
 
# Otra forma de selecionar
.panel1-select_3-auto[

```r
base_snic %>%
* select(starts_with("victimas"))
```
]
 
.panel2-select_3-auto[

```
## # A tibble: 1,390,553 x 3
##    victimas_masculino victimas_femenino victimas_no_consta
##                 <dbl>             <dbl>              <dbl>
##  1                  1                 0                  0
##  2                  2                 0                  0
##  3                  2                 0                  0
##  4                  1                 2                  0
##  5                  5                 0                  0
##  6                  1                 1                  0
##  7                  2                 0                  0
##  8                  2                 0                  0
##  9                  1                 0                  0
## 10                  2                 1                  0
## # ... with 1,390,543 more rows
## # i Use `print(n = ...)` to see more rows
```
]

---
class: inverse, middle, center

## Una más!

---

```r
*base_snic
```
]
 
.panel2-select_4-auto[

---
count: false
 
# Otra forma de selecionar
.panel1-select_4-auto[

```r
base_snic %>%
* select(ends_with("nombre"))
```
]
 
.panel2-select_4-auto[

```
## # A tibble: 1,390,553 x 3
##    provincia_nombre                dpto_nombre codigo_delito_snic_nombre
##    <chr>                           <chr>       <chr>                    
##  1 Ciudad Autónoma de Buenos Aires Comuna 1    Homicidios dolosos       
##  2 Ciudad Autónoma de Buenos Aires Comuna 1    Homicidios dolosos       
##  3 Ciudad Autónoma de Buenos Aires Comuna 1    Homicidios dolosos       
##  4 Ciudad Autónoma de Buenos Aires Comuna 1    Homicidios dolosos       
##  5 Ciudad Autónoma de Buenos Aires Comuna 1    Homicidios dolosos       
##  6 Ciudad Autónoma de Buenos Aires Comuna 1    Homicidios dolosos       
##  7 Ciudad Autónoma de Buenos Aires Comuna 1    Homicidios dolosos       
##  8 Ciudad Autónoma de Buenos Aires Comuna 1    Homicidios dolosos       
##  9 Ciudad Autónoma de Buenos Aires Comuna 1    Homicidios dolosos       
## 10 Ciudad Autónoma de Buenos Aires Comuna 1    Homicidios dolosos       
## # ... with 1,390,543 more rows
## # i Use `print(n = ...)` to see more rows
```
]

---
class: inverse, middle, center

## Una más!

---

```r
*base_snic
```
]
 
.panel2-select_5-auto[

---
count: false
 
# Otra forma de selecionar
.panel1-select_5-auto[

```r
base_snic %>%
* select(contains("delito"))
```
]
 
.panel2-select_5-auto[

```
## # A tibble: 1,390,553 x 2
##    codigo_delito_snic_id codigo_delito_snic_nombre
##    <chr>                 <chr>                    
##  1 1                     Homicidios dolosos       
##  2 1                     Homicidios dolosos       
##  3 1                     Homicidios dolosos       
##  4 1                     Homicidios dolosos       
##  5 1                     Homicidios dolosos       
##  6 1                     Homicidios dolosos       
##  7 1                     Homicidios dolosos       
##  8 1                     Homicidios dolosos       
##  9 1                     Homicidios dolosos       
## 10 1                     Homicidios dolosos       
## # ... with 1,390,543 more rows
## # i Use `print(n = ...)` to see more rows
```
]

---
class: inverse, middle, center

# _PRÁCTICA_

---
class: inverse, middle

## Práctica

1) Crear un objeto en donde importamos la base del SNIC (recordar tener en cuenta la extensión del archivo)

2) Crear otro objeto en donde selecciono 3 columnas de interés según sus nombres

3) Crear otro objeto en donde selecciono 3 columnas de interés según su posición

---
class: inverse, middle, center

# filter()

_<p style="color:grey;" align:"center">Define los casos (filas) en base a una condición</p>_

---
# filter()

### La función tiene el siguiente esquema:

```r
base_de_datos %>% 
  `filter(variable_x >= categoria)`
```

---
# filter()

### **Caso:** Supongamos que deseo quedarme sólo con la información correspondiente al año 2017, no sin antes:

- Chequear cómo se llama la variable que contiene los años:

```r
 `names(base_snic)`
```

---

- Chequear las categorías que contiene esa variable:

```r
 `unique(base_snic$anio)`
```

```
## [1] 2017 2018 2019 2020
```

---

```r
*base_snic
```
]
 
.panel2-filter-auto[

---
count: false
 
# filter()
.panel1-filter-auto[

```r
base_snic %>%
* filter(anio == 2017)
```
]
 
.panel2-filter-auto[

```
## # A tibble: 344,422 x 13
##     anio provinc~1 provi~2 dpto_id dpto_~3 codig~4 codig~5   mes victi~6 victi~7
##    <dbl>     <dbl> <chr>   <chr>   <chr>   <chr>   <chr>   <dbl>   <dbl>   <dbl>
##  1  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     1       1       0
##  2  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     2       2       0
##  3  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     3       2       0
##  4  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     4       1       2
##  5  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     5       5       0
##  6  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     6       1       1
##  7  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     7       2       0
##  8  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     8       2       0
##  9  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~     9       1       0
## 10  2017         2 Ciudad~ 02001   Comuna~ 1       Homici~    10       2       1
## # ... with 344,412 more rows, 3 more variables: victimas_no_consta <dbl>,
## #   cantidad_victimas <dbl>, cantidad_hechos <dbl>, and abbreviated variable
## #   names 1: provincia_id, 2: provincia_nombre, 3: dpto_nombre,
## #   4: codigo_delito_snic_id, 5: codigo_delito_snic_nombre,
## #   6: victimas_masculino, 7: victimas_femenino
## # i Use `print(n = ...)` to see more rows, and `colnames()` to see all variable names
```
]

---
# filter()

#### Operadores para filtrar:

<br>

|Condición |Acción              |
| :---     | :---               |
|          |                    |
| "=="     | *igual a*          |
| "%in%"   | *incluye*          |
| "!="     | *distinto a*       |
| ">"      | *mayor a*          |
| "<"      | *menor a*          |
| ">="     | *mayor o igual a*  |
| "<="     | *menor o igual a*  |

]

| Operador | Descripción |
| :---     | :---               |
|          |                    |
| "&"      | *y* - Cuando se cumplen ambas condiciones   |
| &#124;   | *o* - Cuando se cumple una u otra condición   |

]

---
# filter()

### **Caso:** Quiero estudiar los delitos de **homicidios dolosos** que sucedieron en la provincia de **Neuquén** durante los años **2018** y **2019**:

---

```r
*base_snic
```
]
 
.panel2-filter_1-auto[

---
count: false
 
#filter
.panel1-filter_1-auto[

```r
base_snic %>%
* filter(anio == 2018 | anio == 2019)
```
]
 
.panel2-filter_1-auto[

```
## # A tibble: 695,011 x 13
##     anio provinc~1 provi~2 dpto_id dpto_~3 codig~4 codig~5   mes victi~6 victi~7
##    <dbl>     <dbl> <chr>   <chr>   <chr>   <chr>   <chr>   <dbl>   <dbl>   <dbl>
##  1  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     1       4       0
##  2  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     2       2       1
##  3  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     3       6       1
##  4  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     4       2       0
##  5  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     5       1       1
##  6  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     6       2       1
##  7  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     7       1       0
##  8  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     8       0       1
##  9  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     9       1       0
## 10  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~    10       1       0
## # ... with 695,001 more rows, 3 more variables: victimas_no_consta <dbl>,
## #   cantidad_victimas <dbl>, cantidad_hechos <dbl>, and abbreviated variable
## #   names 1: provincia_id, 2: provincia_nombre, 3: dpto_nombre,
## #   4: codigo_delito_snic_id, 5: codigo_delito_snic_nombre,
## #   6: victimas_masculino, 7: victimas_femenino
## # i Use `print(n = ...)` to see more rows, and `colnames()` to see all variable names
```
]

---
count: false
 
#filter
.panel1-filter_1-auto[

```r
base_snic %>%
  filter(anio == 2018 | anio == 2019) %>%
* filter(codigo_delito_snic_nombre == "Homicidios dolosos")
```
]
 
.panel2-filter_1-auto[

```
## # A tibble: 12,619 x 13
##     anio provinc~1 provi~2 dpto_id dpto_~3 codig~4 codig~5   mes victi~6 victi~7
##    <dbl>     <dbl> <chr>   <chr>   <chr>   <chr>   <chr>   <dbl>   <dbl>   <dbl>
##  1  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     1       4       0
##  2  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     2       2       1
##  3  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     3       6       1
##  4  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     4       2       0
##  5  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     5       1       1
##  6  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     6       2       1
##  7  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     7       1       0
##  8  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     8       0       1
##  9  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~     9       1       0
## 10  2018         2 Ciudad~ 02001   Comuna~ 1       Homici~    10       1       0
## # ... with 12,609 more rows, 3 more variables: victimas_no_consta <dbl>,
## #   cantidad_victimas <dbl>, cantidad_hechos <dbl>, and abbreviated variable
## #   names 1: provincia_id, 2: provincia_nombre, 3: dpto_nombre,
## #   4: codigo_delito_snic_id, 5: codigo_delito_snic_nombre,
## #   6: victimas_masculino, 7: victimas_femenino
## # i Use `print(n = ...)` to see more rows, and `colnames()` to see all variable names
```
]

---
count: false
 
#filter
.panel1-filter_1-auto[

```r
base_snic %>%
  filter(anio == 2018 | anio == 2019) %>%
  filter(codigo_delito_snic_nombre == "Homicidios dolosos") %>%
* filter(provincia_nombre == "Neuquén")
```
]
 
.panel2-filter_1-auto[

```
## # A tibble: 384 x 13
##     anio provinc~1 provi~2 dpto_id dpto_~3 codig~4 codig~5   mes victi~6 victi~7
##    <dbl>     <dbl> <chr>   <chr>   <chr>   <chr>   <chr>   <dbl>   <dbl>   <dbl>
##  1  2018        58 Neuquén 58007   Aluminé 1       Homici~     1       0       0
##  2  2018        58 Neuquén 58007   Aluminé 1       Homici~     2       0       0
##  3  2018        58 Neuquén 58007   Aluminé 1       Homici~     3       0       0
##  4  2018        58 Neuquén 58007   Aluminé 1       Homici~     4       0       0
##  5  2018        58 Neuquén 58007   Aluminé 1       Homici~     5       0       0
##  6  2018        58 Neuquén 58007   Aluminé 1       Homici~     6       0       0
##  7  2018        58 Neuquén 58007   Aluminé 1       Homici~     7       0       0
##  8  2018        58 Neuquén 58007   Aluminé 1       Homici~     8       0       0
##  9  2018        58 Neuquén 58007   Aluminé 1       Homici~     9       0       0
## 10  2018        58 Neuquén 58007   Aluminé 1       Homici~    10       0       0
## # ... with 374 more rows, 3 more variables: victimas_no_consta <dbl>,
## #   cantidad_victimas <dbl>, cantidad_hechos <dbl>, and abbreviated variable
## #   names 1: provincia_id, 2: provincia_nombre, 3: dpto_nombre,
## #   4: codigo_delito_snic_id, 5: codigo_delito_snic_nombre,
## #   6: victimas_masculino, 7: victimas_femenino
## # i Use `print(n = ...)` to see more rows, and `colnames()` to see all variable names
```
]

---
# filter

## ¿Se puede todo en un sólo `filter()`?

---

```r
*base_snic
```
]
 
.panel2-filter_1a-auto[

---
count: false
 
#filter
.panel1-filter_1a-auto[

```r
base_snic %>%
* filter((anio == 2018 | anio == 2019) &
*         codigo_delito_snic_nombre == "Homicidios dolosos" &
*         provincia_nombre == "Neuquén")
```
]
 
.panel2-filter_1a-auto[

---
class: inverse, middle, center

# _PRÁCTICA_

---
class: inverse, middle

# Práctica

- Crear un objeto que contenga las variables __provincia_nombre__, __mes__, __cantidad_hechos__.

- A partir del objeto creado, crear uno nuevo aplicando un filtro para quedarnos sólo con la cantidad de hechos que sucedieron en **Catamarca**, durante el mes de **enero**.

---
class: inverse, middle, center

# _mutate()_

_<p style="color:grey;" align:"center">Crea / edita variables (columnas)</p>_

---
# mutate()

### La función tiene el siguiente esquema:

```r
 base_de_datos %>% 
    `mutate(var_nueva = var_1 + var_2)`
```

### **Caso:** Quiero crear una variable que contenga la información del año y del mes en el mismo valor

---

```r
*base_snic
```
]
 
.panel2-mutate_1-auto[

---
count: false
 
# mutate()
.panel1-mutate_1-auto[

```r
base_snic %>%
* select(anio, mes)
```
]
 
.panel2-mutate_1-auto[

```
## # A tibble: 1,390,553 x 2
##     anio   mes
##    <dbl> <dbl>
##  1  2017     1
##  2  2017     2
##  3  2017     3
##  4  2017     4
##  5  2017     5
##  6  2017     6
##  7  2017     7
##  8  2017     8
##  9  2017     9
## 10  2017    10
## # ... with 1,390,543 more rows
## # i Use `print(n = ...)` to see more rows
```
]

---
count: false
 
# mutate()
.panel1-mutate_1-auto[

```r
base_snic %>%
  select(anio, mes) %>%
* filter(anio == 2020)
```
]
 
.panel2-mutate_1-auto[

```
## # A tibble: 351,120 x 2
##     anio   mes
##    <dbl> <dbl>
##  1  2020     1
##  2  2020     2
##  3  2020     3
##  4  2020     4
##  5  2020     5
##  6  2020     6
##  7  2020     7
##  8  2020     8
##  9  2020     9
## 10  2020    10
## # ... with 351,110 more rows
## # i Use `print(n = ...)` to see more rows
```
]

---
count: false
 
# mutate()
.panel1-mutate_1-auto[

```r
base_snic %>%
  select(anio, mes) %>%
  filter(anio == 2020) %>%
* mutate(periodo = paste0(anio, "_", mes))
```
]
 
.panel2-mutate_1-auto[

```
## # A tibble: 351,120 x 3
##     anio   mes periodo
##    <dbl> <dbl> <chr>  
##  1  2020     1 2020_1 
##  2  2020     2 2020_2 
##  3  2020     3 2020_3 
##  4  2020     4 2020_4 
##  5  2020     5 2020_5 
##  6  2020     6 2020_6 
##  7  2020     7 2020_7 
##  8  2020     8 2020_8 
##  9  2020     9 2020_9 
## 10  2020    10 2020_10
## # ... with 351,110 more rows
## # i Use `print(n = ...)` to see more rows
```
]

---
# mutate() + case_when()

### Función complementaria: `case_when()`, utilizada para recodificación de variables:

---

```r
*base_snic
```
]
 
.panel2-mutate_2-auto[

---
count: false
 
# Recodificando con mutate() y case_when()
.panel1-mutate_2-auto[

```r
base_snic %>%
* select(anio, mes, cantidad_victimas)
```
]
 
.panel2-mutate_2-auto[

```
## # A tibble: 1,390,553 x 3
##     anio   mes cantidad_victimas
##    <dbl> <dbl>             <dbl>
##  1  2017     1                 1
##  2  2017     2                 2
##  3  2017     3                 2
##  4  2017     4                 3
##  5  2017     5                 5
##  6  2017     6                 2
##  7  2017     7                 2
##  8  2017     8                 2
##  9  2017     9                 1
## 10  2017    10                 3
## # ... with 1,390,543 more rows
## # i Use `print(n = ...)` to see more rows
```
]

---
count: false
 
# Recodificando con mutate() y case_when()
.panel1-mutate_2-auto[

```r
base_snic %>%
  select(anio, mes, cantidad_victimas) %>%
* mutate(mes_nombre = case_when(mes == 1 ~ "Enero",
*                               mes == 2 ~ "Febrero",
*                               mes == 3 ~ "Marzo",
*                               mes == 4 ~ "Abril",
*                               mes == 5 ~ "Mayo",
*                               mes == 6 ~ "Junio",
*                               mes == 7 ~ "Julio",
*                               mes == 8 ~ "Agosto",
*                               mes == 9 ~ "Septiembre",
*                               mes == 10 ~ "Octubre",
*                               mes == 11 ~ "Noviembre",
*                               mes == 12 ~ "Diciembre"))
```
]
 
.panel2-mutate_2-auto[

```
## # A tibble: 1,390,553 x 4
##     anio   mes cantidad_victimas mes_nombre
##    <dbl> <dbl>             <dbl> <chr>     
##  1  2017     1                 1 Enero     
##  2  2017     2                 2 Febrero   
##  3  2017     3                 2 Marzo     
##  4  2017     4                 3 Abril     
##  5  2017     5                 5 Mayo      
##  6  2017     6                 2 Junio     
##  7  2017     7                 2 Julio     
##  8  2017     8                 2 Agosto    
##  9  2017     9                 1 Septiembre
## 10  2017    10                 3 Octubre   
## # ... with 1,390,543 more rows
## # i Use `print(n = ...)` to see more rows
```
]

---
# mutate()

## Caso: _Quiero conocer la cantidad de victimas pero en rangos:_

Breve chequeo de la distribución de la variable numérica:

```r
 `summary(base_snic$cantidad_victimas)`
```

```
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
##     0.0     0.0     0.0     4.6     1.0  1534.0 1086633
```

```r
summary(base_snic$cantidad_victimas[base_snic$cantidad_victimas > 0])
```

```
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
##     1.0     1.0     3.0    14.1     9.0  1534.0 1086633
```

---

```r
*base_snic
```
]
 
.panel2-mutate_3-auto[

---
count: false
 
# Recodificando con mutate() y case_when()
.panel1-mutate_3-auto[

```r
base_snic %>%
* select(anio, mes, cantidad_victimas)
```
]
 
.panel2-mutate_3-auto[

---
count: false
 
# Recodificando con mutate() y case_when()
.panel1-mutate_3-auto[

```r
base_snic %>%
  select(anio, mes, cantidad_victimas) %>%
* filter(mes == 2)
```
]
 
.panel2-mutate_3-auto[

```
## # A tibble: 117,009 x 3
##     anio   mes cantidad_victimas
##    <dbl> <dbl>             <dbl>
##  1  2017     2                 2
##  2  2017     2                 2
##  3  2017     2                 3
##  4  2017     2                 0
##  5  2017     2               385
##  6  2017     2               128
##  7  2017     2                26
##  8  2017     2                 8
##  9  2017     2                 0
## 10  2017     2                 1
## # ... with 116,999 more rows
## # i Use `print(n = ...)` to see more rows
```
]

---
count: false
 
# Recodificando con mutate() y case_when()
.panel1-mutate_3-auto[

```r
base_snic %>%
  select(anio, mes, cantidad_victimas) %>%
  filter(mes == 2) %>%
* mutate(cant_victimas_rango = case_when(cantidad_victimas == 0          ~ "0",
*                                        cantidad_victimas %in% c(1:10)  ~ "entre 1 y 10",
*                                        cantidad_victimas %in% c(11:20) ~ "entre 11 y 20",
*                                        cantidad_victimas %in% c(21:30) ~ "entre 21 y 30",
*                                        cantidad_victimas %in% c(31:40) ~ "entre 31 y 40",
*                                        cantidad_victimas > 40          ~ "mayor a 40"))
```
]
 
.panel2-mutate_3-auto[

```
## # A tibble: 117,009 x 4
##     anio   mes cantidad_victimas cant_victimas_rango
##    <dbl> <dbl>             <dbl> <chr>              
##  1  2017     2                 2 entre 1 y 10       
##  2  2017     2                 2 entre 1 y 10       
##  3  2017     2                 3 entre 1 y 10       
##  4  2017     2                 0 0                  
##  5  2017     2               385 mayor a 40         
##  6  2017     2               128 mayor a 40         
##  7  2017     2                26 entre 21 y 30      
##  8  2017     2                 8 entre 1 y 10       
##  9  2017     2                 0 0                  
## 10  2017     2                 1 entre 1 y 10       
## # ... with 116,999 more rows
## # i Use `print(n = ...)` to see more rows
```
]

---
class: inverse, middle, center

# _PRÁCTICA_

---
class: inverse

# Práctica

- Crear una variable nueva que recodifique los meses en semestre. Esto es, las categorías de la variable deberán ser **1er semestre** y **2do semestre**.

- Crear otra variable que recodifique en 5 rangos los valores de la columna **cantidad_hechos**